Google запускает Gemini Decisions API для быстрого мультимодального принятия решений

Image: Comparison of Gemini Decision and other APIs against various benchmarks · Source

Google представляет Gemini Decisions API с моделью Gemini Decision 1, позволяющее быстро и точно принимать решения типа да/нет, множественного выбора и оценки по шкале на текстах, изображениях, аудио, видео и PDF за один проход с низкой задержкой и стоимостью.

Google объявила о запуске Gemini Decisions API — нового инструмента, предназначенного для быстрого и точного принятия решений на основе различных типов данных, включая текст, изображения, аудио, видео и PDF. API работает на базе новейшей модели Gemini Decision 1 и доступен через Gemini API на платформе Google AI Studio.

Данная технология способна одновременно обработать до 1000 разных вопросов типа да/нет, множественного выбора и оценивания по рубрикам в одном проходе комбинированного мультимодального ввода, который может содержать текст и медиа объемом до 256 000 токенов. В отличие от традиционных генеративных подходов, создающих выход токен за токеном, Gemini Decision 1 оценивает все варианты одновременно, выдавая оценки уверенности и вероятности с задержкой около 150–250 миллисекунд от начала до конца.

По словам менеджера продукта Google DeepMind Мина Чои и ведущего научного сотрудника Феликса Ю, такой подход предлагает очень эффективный и экономичный способ обработки масштабных задач принятия решений, таких как проверки на соответствие политикам, оценка контента и маршрутизация запросов. Стоимость API составляет 0,10 доллара США за миллион входных токенов, без оплаты за выходные токены, что почти в пять раз дешевле по сравнению с предыдущими моделями, такими как Gemini 3.5 Flash-Lite с использованием Interactions API.

Gemini Decisions API поддерживает три типа решений: бинарные оценки да/нет, множественный выбор от 2 до 255 вариантов и упорядоченные оценки по рубрике, которые предоставляют взвешенные непрерывные результаты. Разработчики могут комбинировать различные входные модальности, например, совмещать аудиозаписи звонков с информацией об аккаунте или сканированные PDF-документы с фотографиями, оптимизируя визуальное разрешение для баланса между детализацией и стоимостью токенов.

Несколько команд Google уже используют этот API в различных приложениях. Например, Gemini Notebook применяет его для динамического направления запросов к наиболее подходящему уровню моделей ИИ, снижая задержку до 40%. Инструмент проектирования Stitch интегрирует API для быстрого создания каркасных схем продуктов с почти мгновенным редактированием, а приложение Google Labs CC использует его для мгновенного выбора реакции с эмодзи. Кроме того, Google Search применяет API как слой безопасности для эффективного обнаружения враждебного контента в условиях строгих временных ограничений.

Разработчики могут сразу приступить к работе с Gemini Decisions API, получив ключ API в Google AI Studio, где доступны документация и примеры приложений на Python, JavaScript и REST. API также интегрируется с несколькими популярными экосистемами и платформами, включая OpenRouter, LangChain, Vercel, LiteLLM и другие, а вскоре появится поддержка Gemini в Google Cloud.

Этот релиз отражает продолжающийся акцент Google на масштабируемых AI-инструментах с низкой задержкой, которые могут быстро обрабатывать сложные мультимодальные входные данные, обеспечивая более отзывчивые и интеллектуальные приложения в различных отраслях.